Research on analysis of corporate behavior structure by machine learning

点击翻译按钮获取中文摘要

株価安定期の日本製造業3業種を分析し、株価上昇には売上成長率、在庫回転率及び有形固定資産回転率が重要であることを検証した。次に世界自動車製造業及び電気機器製造業で回帰分析を行い、株価上昇率のための重要要素を回帰により求めた。株価大暴落後の2018年3月1日から4月20日までの株価回復率をターゲット変数とし、生の説明変数値とターゲット値では相関関係が出ないが、各説明変数のSHAP値とターゲット値では高い相関性が得られた。さらに多重共線性の影響を排除するため、各説明変数SHAP値を主成分分析により次元圧縮を行った。この結果、自動車ケースでは、主成分1として収益及びROE等の利益性要素が得られ、主成分２として在庫及び固定資産回転率等のサプライチェーン（SC）的要素が得られた。電気機器のケースにおいては主成分１に利益性要素とSC的要素、さらに売上高成長率が現れ、主成分２はROAと売上高成長率であった。従来から株価回復率にROE等の収益性に関する変数が重要な影響を与えていることは知られていたが、今回SHAPアプローチにより初めて株価回復へのSC的説明変数の重要性が検証された。SHAPは、特性関数を用いることで各企業の特性に基づく説明変数貢献度の評価を可能とする。従来の絶対値による説明変数の評価法と異なり、その企業なりの特性を踏まえた上で、各説明変数のターゲット変数への影響を評価可能とした。SHAPアプローチは経営学だけではなく人文科学及び医学等、回帰を用いる全分野で活用可能である。白田は、SHAPアプローチ普及のため学会でチュートリアル「機械学習回帰における Shapley 値の理論説明と事例紹介」を行った。事例として企業行動特性分析及び、日本の県別出生率の回帰の事例を用いた。SHAPの理論の可視化による説明が好評で、3月1日の録画公開後5月3日現在動画再生回数は284回を記録した。